如何使用卡方使用卡方值进行文本分类？

Question

我有文本分类问题的正面和负面培训文档。我打算计算每个文档中每个特征的卡方值。拥有该值，我如何使用SVM进行分类？分类的阈值是多少？

Answer 1

卡方值可用于执行特征选择，这可以是预处理步骤。之后，您可以大大减少您的功能词汇量（例如，从1M词汇表中选择最有用的100K术语）。此步骤可能有两个好处：1。在下一步中减小模型大小; 2.预测时间更快。缺点：可能会也可能不会影响分类性能。

要继续进行分类，您仍需要使用这些100K功能来训练模型（例如，使用SVM算法）。学习模型后，您可以使用该模型进行分类。